2. Непараметрический дисперсионный анализ по одному признаку с применением критерия Краскала-Уоллиса для нескольких независимых выборок
Для проверки совпадений нескольких средних часто применяется непараметрический критерий, свободный от распределения. Его можно использовать, когда рассматриваемые совокупности не являются нормально распределенными [7].
Статистическая модель
Имеется k совокупностей, в нашем случае 5 совокупностей. Каждая выборка извлекается из своей совокупности. Все наблюдения независимы.
Гипотезы
Н0 : все k совокупностей одинаково распределены.
Н1 : нулевая гипотеза не верна.
Критическая область
Верхняя 5%-ная область распределения 2k-1. В нашем случае 24 , что соответствует значению критерия , превышающему 9,49. Данное число взято из Таблицы А.2 на стр. 331 "Справочника по вычислительным методам статистики" Дж. Полларда. [6]
Вычисление значения критериальной статистики
Для этого наблюдения xij заменяются их рангами rij .Все n наблюдений упорядоченны по возрастанию от 1 до n. Находим сумму рангов R1, R2,…, Rk для k групп. Вычисляем критерий [4]:
H= ( R21/n1 +….+ R2k/nk ) - 3 ( N + 1 )
Значения комплемента упорядочены по возрастанию. Они иногда совпадают, тогда ранг принимает среднее значение.
Далее, используя Таблицу №1, присваиваем каждому значению комплемента соответствующий ранг в данных пяти выборках и получаем сумму рангов [5] .
Таблица №3. Таблица рангов наблюдений.
Нет нефрита Выборка объема n1 = 210 |
Слабый нефрит Выборка объема n2 = 101 |
Средний нефрит Выборка объема n3 = 98 |
Нефротический синдром Выборка объема n4 = 45 |
Почечная недостаточность Выборка объема n5 = 25 |
||||||
УК |
Ранг |
УК |
Ранг |
УК |
Ранг |
УК |
Ранг |
УК |
Ранг |
|
36 |
282 |
11 |
45 |
7 |
33 |
10 |
39 |
20 |
86 |
|
38 |
315,5 |
35 |
264 |
27 |
144,5 |
5 |
28,5 |
20 |
86 |
|
40 |
352,5 |
37 |
296,5 |
6 |
31,5 |
6 |
31,5 |
21 |
95,5 |
|
31 |
188,5 |
15 |
59,5 |
5 |
28,5 |
15 |
59,5 |
24 |
115 |
|
33 |
220 |
40 |
352,5 |
40 |
352,5 |
20 |
86 |
3 |
26 |
|
33,8 |
242 |
0 |
13 |
5 |
28,5 |
25 |
126,5 |
12 |
50 |
|
37 |
296,5 |
33 |
220 |
45 |
405,5 |
28 |
28 |
10 |
39 |
|
38 |
315,5 |
33 |
220 |
45 |
405,5 |
32 |
197,5 |
0 |
13 |
|
33 |
220 |
5 |
28,5 |
46 |
420,5 |
46 |
420,5 |
18,2 |
77 |
|
37 |
296,5 |
40 |
352,5 |
45 |
405,5 |
33 |
220 |
46 |
420,5 |
|
48 |
436,5 |
25 |
126,5 |
24 |
115 |
44 |
396,5 |
10 |
39 |
|
40 |
352,5 |
33 |
220 |
24 |
115 |
25 |
126,5 |
0 |
13 |
|
42 |
375,5 |
50 |
453,5 |
43 |
383 |
22,5 |
105,5 |
20 |
86 |
|
35 |
264 |
25 |
126,5 |
24,5 |
119,5 |
24,5 |
119,5 |
30,4 |
181,5 |
|
15 |
59,5 |
20 |
86 |
20,5 |
92 |
38 |
315,5 |
0 |
13 |
|
35 |
264 |
50 |
453,5 |
9 |
34 |
12 |
50 |
33,3 |
231 |
|
48 |
436,5 |
50 |
453,5 |
12 |
50 |
54,7 |
471 |
14,7 |
56 |
|
45 |
405,5 |
18 |
74,5 |
32 |
197,5 |
20,7 |
94 |
34,1 |
247 |
|
38 |
315,5 |
20 |
86 |
43 |
383 |
0 |
13 |
22,4 |
102,5 |
|
15 |
59,5 |
33 |
220 |
35,5 |
273,5 |
26,1 |
137,5 |
17,8 |
72 |
|
13 |
53 |
43 |
383 |
44 |
396,5 |
11 |
45 |
33,5 |
237 |
|
40 |
352,5 |
10 |
39 |
50 |
453,5 |
11,7 |
47 |
29,6 |
171 |
|
40 |
352,5 |
12 |
50 |
34 |
244,5 |
34,4 |
252,5 |
13,6 |
54,5 |
|
38 |
315,5 |
23 |
110 |
12 |
50 |
0 |
13 |
35 |
264 |
|
32,7 |
210 |
34 |
244,5 |
0 |
13 |
0 |
13 |
37 |
296,5 |
|
60 |
478 |
30 |
176,5 |
25,1 |
132,5 |
42 |
375,5 |
|||
50 |
453,5 |
35 |
264 |
22,5 |
105,5 |
32,3 |
204 |
|||
51 |
462,5 |
22 |
99,5 |
31 |
188,5 |
16 |
68 |
|||
45 |
405,5 |
22,2 |
101 |
33 |
220 |
32,5 |
207 |
|||
25 |
26,5 |
20 |
86 |
41,9 |
373 |
39,3 |
345,5 |
|||
33 |
220 |
21 |
95,5 |
41,7 |
371 |
40,2 |
359 |
|||
33 |
220 |
22 |
99,5 |
37,1 |
299 |
0 |
13 |
|||
39 |
334 |
10 |
39 |
33,4 |
233 |
39,1 |
337 |
|||
35,8 |
278,5 |
37,4 |
304,5 |
33 |
220 |
37,7 |
306,5 |
|||
41,7 |
371 |
22,4 |
102,5 |
34,3 |
250 |
33,5 |
237 |
|||
38,2 |
323 |
35 |
264 |
33 |
220 |
43,8 |
393,5 |
|||
37,4 |
304,5 |
37,3 |
302,5 |
36,9 |
293 |
16 |
68 |
|||
10 |
39 |
39,6 |
346 |
41 |
365 |
16 |
68 |
|||
37,9 |
309,5 |
0 |
13 |
33 |
220 |
31 |
188,5 |
|||
39,3 |
343,5 |
32,8 |
211 |
32,15 |
202 |
52 |
465 |
|||
37,2 |
301 |
24 |
115 |
38,8 |
332 |
51 |
462,5 |
|||
37,8 |
308 |
25 |
126,5 |
48,1 |
439 |
33,5 |
237 |
|||
49,1 |
445 |
38 |
315,5 |
0 |
13 |
48 |
436,5 |
|||
36,15 |
286 |
29 |
165 |
0 |
13 |
27 |
144,5 |
|||
43,8 |
393,5 |
32 |
197,5 |
26,6 |
141 |
48 |
436,5 |
|||
40 |
352,5 |
32 |
197,5 |
52,8 |
470 |
|||||
40 |
352,5 |
20 |
86 |
27 |
144,5 |
|||||
36 |
282 |
32,3 |
204 |
13,6 |
54,5 |
|||||
45 |
405,5 |
10 |
39 |
10 |
39 |
|||||
43,5 |
390,5 |
33,9 |
243 |
19,5 |
79 |
|||||
35 |
264 |
45,74 |
417 |
51,2 |
464 |
|||||
35 |
264 |
0 |
13 |
40,4 |
362,5 |
|||||
19,5 |
79 |
49,1 |
445 |
46,05 |
424 |
|||||
24,2 |
118 |
38 |
315,5 |
0 |
13 |
|||||
33 |
220 |
0 |
13 |
25,2 |
134 |
|||||
40,4 |
362,5 |
43,5 |
390,5 |
28 |
152,5 |
|||||
30 |
176,5 |
32,3 |
204 |
27 |
144,5 |
|||||
36 |
282 |
41 |
365 |
35 |
264 |
|||||
10 |
39 |
40 |
352,5 |
29 |
165 |
|||||
25 |
126,5 |
29,7 |
172 |
50 |
453,5 |
|||||
30 |
176,5 |
30 |
176,5 |
20 |
86 |
|||||
32 |
197,5 |
27,6 |
149 |
0 |
13 |
|||||
31 |
188,5 |
21,4 |
98 |
15,6 |
64,5 |
|||||
45 |
405,5 |
23 |
110 |
35 |
264 |
|||||
20 |
86 |
34,3 |
250 |
0 |
13 |
|||||
45 |
405,5 |
18 |
74,5 |
46 |
425 |
|||||
15 |
59,5 |
50,4 |
461 |
59,2 |
475 |
|||||
30,4 |
181,5 |
48,2 |
440,5 |
0 |
13 |
|||||
50 |
453,5 |
37,3 |
302,5 |
22,5 |
105,5 |
|||||
46 |
420,5 |
35 |
264 |
0 |
13 |
|||||
35 |
264 |
25 |
126,5 |
24 |
115 |
|||||
15 |
59,5 |
20 |
86 |
45 |
405,5 |
|||||
18 |
74,5 |
38 |
315,5 |
28,9 |
161,5 |
|||||
28 |
152,5 |
47,5 |
432,5 |
30,5 |
183 |
|||||
36,7 |
291 |
37,9 |
309,5 |
45,5 |
414 |
|||||
47,8 |
434 |
40,3 |
360,5 |
43 |
383 |
|||||
39,2 |
341 |
60 |
478 |
34,7 |
255,5 |
|||||
36,5 |
287 |
34,1 |
247 |
32,6 |
208,5 |
|||||
32 |
197,5 |
46,7 |
427,5 |
38,4 |
325 |
|||||
45,7 |
415,5 |
39 |
334 |
37,15 |
300 |
|||||
46,9 |
429 |
31,4 |
192 |
39 |
334 |
|||||
15,6 |
64,5 |
32 |
197,5 |
52,15 |
466 |
|||||
34,1 |
247 |
42 |
375,5 |
52,2 |
467,5 |
|||||
44,7 |
399 |
43,8 |
393,5 |
0 |
13 |
|||||
26,5 |
139,5 |
39,1 |
337 |
0 |
13 |
|||||
36,6 |
289 |
16 |
68 |
0 |
13 |
|||||
30,3 |
180 |
26,5 |
139,5 |
33 |
220 |
|||||
47 |
430,5 |
43 |
383 |
43 |
383 |
|||||
50 |
453,5 |
36,9 |
293 |
46,6 |
426 |
|||||
52,2 |
467,5 |
29,4 |
168,5 |
59,3 |
476 |
|||||
38,5 |
327 |
30,6 |
184 |
0 |
13 |
|||||
41 |
365 |
35,6 |
276 |
15,5 |
63 |
|||||
40 |
352,5 |
38,7 |
331 |
21,2 |
97 |
|||||
45 |
405,5 |
38,2 |
323 |
22,8 |
108 |
|||||
25,5 |
135 |
26,1 |
137,5 |
28,3 |
156 |
|||||
27,7 |
150 |
43,2 |
388 |
28,15 |
155 |
|||||
22,5 |
46 |
420,5 |
38,5 |
327 |
||||||
45 |
105,5 |
35,6 |
276 |
26 |
136 |
|||||
33 |
220 |
32,4 |
206 |
|||||||
48,3 |
442 |
50 |
453,5 |
|||||||
47,5 |
432,5 |
50 |
453,5 |
|||||||
32 |
197,5 |
|||||||||
50 |
453,5 |
|||||||||
35,6 |
276 |
|||||||||
33,5 |
237 |
|||||||||
56,9 |
473 |
|||||||||
28,9 |
161,5 |
|||||||||
40 |
352,5 |
|||||||||
35,2 |
271 |
|||||||||
42,5 |
378 |
|||||||||
50 |
453,5 |
|||||||||
46,2 |
425 |
|||||||||
52,7 |
469 |
|||||||||
49,1 |
445 |
|||||||||
38 |
315,5 |
|||||||||
33,7 |
241 |
|||||||||
32,6 |
208,5 |
|||||||||
30 |
176,5 |
|||||||||
28,9 |
161,5 |
|||||||||
44,4 |
398 |
|||||||||
48,2 |
440,5 |
|||||||||
38,15 |
321 |
|||||||||
42 |
375,5 |
|||||||||
28,4 |
157 |
|||||||||
33,5 |
237 |
|||||||||
39,4 |
345 |
|||||||||
38,6 |
329,5 |
|||||||||
34,3 |
250 |
|||||||||
37,7 |
306,5 |
|||||||||
27,3 |
148 |
|||||||||
39,2 |
341 |
|||||||||
29,2 |
167 |
|||||||||
39,2 |
341 |
|||||||||
33,5 |
237 |
|||||||||
18 |
74,5 |
|||||||||
31,2 |
191 |
|||||||||
23,4 |
112 |
|||||||||
36,9 |
293 |
|||||||||
57,3 |
474 |
|||||||||
45 |
405,5 |
|||||||||
45,3 |
413 |
|||||||||
16,5 |
71 |
|||||||||
34,9 |
257 |
|||||||||
43,1 |
387 |
|||||||||
30,8 |
185,5 |
|||||||||
0 |
13 |
|||||||||
34,5 |
254 |
|||||||||
28 |
152,5 |
|||||||||
16 |
68 |
|||||||||
28,9 |
161,5 |
|||||||||
23 |
110 |
|||||||||
27 |
144,5 |
|||||||||
41,6 |
369 |
|||||||||
43,4 |
389 |
|||||||||
36 |
282 |
|||||||||
49 |
443 |
|||||||||
25 |
126,5 |
|||||||||
41,5 |
368 |
|||||||||
35,5 |
273,5 |
|||||||||
35 |
264 |
|||||||||
33,1 |
229 |
|||||||||
41,7 |
371 |
|||||||||
39,15 |
339 |
|||||||||
30,8 |
185,5 |
|||||||||
45,7 |
415,5 |
|||||||||
35,4 |
272 |
|||||||||
35,8 |
278,5 |
|||||||||
27 |
144,5 |
|||||||||
19,5 |
79 |
|||||||||
29,4 |
168,5 |
|||||||||
33,3 |
231 |
|||||||||
36,6 |
289 |
|||||||||
42,6 |
379 |
|||||||||
30 |
176,5 |
|||||||||
36,1 |
285 |
|||||||||
43 |
383 |
|||||||||
33,3 |
231 |
|||||||||
28,7 |
158,5 |
|||||||||
28,7 |
158,5 |
|||||||||
45,1 |
412 |
|||||||||
31,8 |
193 |
|||||||||
33 |
220 |
|||||||||
39,1 |
337 |
|||||||||
29 |
165 |
|||||||||
46,7 |
427,5 |
|||||||||
41,05 |
367 |
|||||||||
29,9 |
173 |
|||||||||
50 |
453,5 |
|||||||||
47 |
430,5 |
|||||||||
34,4 |
252,5 |
|||||||||
11 |
45 |
|||||||||
20,6 |
93 |
|||||||||
36,6 |
289 |
|||||||||
38,6 |
289 |
|||||||||
29,48 |
170 |
|||||||||
25 |
126,5 |
|||||||||
0 |
13 |
|||||||||
38 |
315,5 |
|||||||||
34,7 |
255,5 |
|||||||||
38,2 |
323 |
|||||||||
43,8 |
393,5 |
|||||||||
40,3 |
360,5 |
|||||||||
38,5 |
327 |
|||||||||
60 |
478 |
|||||||||
50 |
453,5 |
|||||||||
36 |
282 |
|||||||||
55 |
472 |
|||||||||
33,5 |
237 |
|||||||||
25,1 |
132,5 |
|||||||||
24,8 |
121 |
|||||||||
Всего: |
R1= 57877 |
R2= 23298.5 |
R3= 21259.5 |
R4= 8789 |
R5= 3072 |
N = 479 |
k = 5 |
|
R1 = 57877 |
n1 = 210 |
|
R2 = 23298,5 |
n2 = 101 |
|
R3 = 21259,5 |
n3 = 98 |
|
R4 = 8789 |
n4 = 45 |
|
R5 = 3072 |
n5 = 25 |
Теперь можно полученные суммы рангов подставить в формулу и получить значение критериальной статистики Краскела-Уоллиса [4] :
Н=23,03
Полученный результат не является незначимым, поэтому нельзя считать, что выборки извлечены из одинаково распределенных совокупностей и что средние значения совокупностей совпадают. Но этот вывод является приближенным, так как в нашей таблице есть много совпадающих значений. Для учета влияния связей можно воспользоваться модифицированной формой статистики Краскела-Уоллиса [4]:
Н` =
, где g - число групп совпадающих значений, Тj = (t - t), t- число совпадающих наблюдений в группе с номером j .
Таблица №4. Группы совпадающих наблюдений.
Повторяющиеся значения УК |
Кол-во повторений t j |
Значение Tj |
|
0 |
25 |
15600 |
|
5 |
4 |
60 |
|
6 |
2 |
6 |
|
10 |
9 |
720 |
|
11 |
3 |
24 |
|
12 |
5 |
120 |
|
13,6 |
2 |
6 |
|
15 |
6 |
210 |
|
15,6 |
2 |
6 |
|
16 |
5 |
120 |
|
18 |
4 |
60 |
|
19,5 |
3 |
24 |
|
20 |
11 |
1320 |
|
21 |
2 |
6 |
|
22 |
2 |
6 |
|
22,4 |
2 |
6 |
|
22,5 |
4 |
60 |
|
23 |
3 |
24 |
|
24 |
5 |
120 |
|
24,5 |
2 |
6 |
|
25 |
10 |
990 |
|
25,1 |
2 |
6 |
|
26,1 |
2 |
6 |
|
26,5 |
2 |
6 |
|
27 |
6 |
210 |
|
28 |
4 |
60 |
|
28,7 |
2 |
6 |
|
28,9 |
4 |
60 |
|
29 |
3 |
24 |
|
29,4 |
2 |
6 |
|
30 |
6 |
210 |
|
30,4 |
2 |
6 |
|
30,8 |
2 |
6 |
|
31 |
4 |
60 |
|
32 |
8 |
504 |
|
32,3 |
3 |
24 |
|
32,6 |
2 |
6 |
|
33 |
17 |
4896 |
|
33,3 |
3 |
24 |
|
33,5 |
7 |
336 |
|
34 |
2 |
6 |
|
34,1 |
3 |
24 |
|
34,3 |
3 |
24 |
|
34,4 |
2 |
6 |
|
34,7 |
2 |
6 |
|
35 |
13 |
2184 |
|
35,5 |
2 |
6 |
|
35,6 |
3 |
24 |
|
35,8 |
2 |
6 |
|
36 |
5 |
120 |
|
36,6 |
3 |
24 |
|
36,9 |
3 |
24 |
|
37 |
4 |
60 |
|
37,3 |
2 |
6 |
|
37,4 |
2 |
6 |
|
37,7 |
2 |
6 |
|
37,9 |
2 |
6 |
|
38 |
10 |
990 |
|
38,2 |
3 |
24 |
|
38,5 |
3 |
24 |
|
38,6 |
2 |
6 |
|
39 |
3 |
24 |
|
39,1 |
3 |
24 |
|
39,2 |
3 |
24 |
|
39,3 |
2 |
6 |
|
40 |
12 |
1716 |
|
40,3 |
2 |
6 |
|
40,4 |
2 |
6 |
|
41 |
3 |
24 |
|
41,7 |
3 |
24 |
|
42 |
4 |
60 |
|
43 |
7 |
336 |
|
43,5 |
2 |
6 |
|
43,8 |
4 |
60 |
|
44 |
2 |
6 |
|
45 |
12 |
1716 |
|
45,7 |
2 |
6 |
|
46 |
6 |
210 |
|
46,7 |
2 |
6 |
|
47 |
2 |
6 |
|
47,5 |
2 |
6 |
|
48 |
4 |
60 |
|
48,2 |
2 |
6 |
|
49,1 |
3 |
24 |
|
50 |
14 |
2730 |
|
51 |
2 |
6 |
|
52,2 |
2 |
6 |
|
60 |
3 |
24 |
g = 88
Теперь можно полученные результаты подставить в модифицированную формулу и получить уточненное значение критериальной статистики Краскела-Уоллиса :
Н` = 23,037
Вывод. Скорректированное значение Н` статистики Краскела-Уоллиса несущественно отличается от значения Н, т.о. мы можем отвергнуть гипотезу Н0 на минимальном уровне значимости. Следовательно , мы подтвердили результат полученный ранее : существует зависимость между УК в крови больных СКВ и степенью тяжести поражения почек .
- §1. Введение
- §2. Постановка задачи
- §3. Используемые методы
- 1. Дисперсионный анализ по одному признаку для проверки равенства нескольких средних
- 2. Непараметрический дисперсионный анализ по одному признаку с применением критерия Краскала-Уоллиса для нескольких независимых выборок
- 3. Непараметрический дисперсионный анализ по одному признаку с применением критерия Джонкхиера для нескольких выборок, упорядоченных по возрастанию влияния фактора